Документация

Измените размер изображений

Можно сохранить данные изображения как числовой массив, ImageDatastore или таблицу. ImageDatastore позволяет вам импортировать данные из наборов изображений, которые являются слишком большими, чтобы уместиться в памяти. Эта функция разработана, чтобы считать пакеты изображений для более быстрой обработки в приложениях компьютерного зрения и машинном обучении. Можно использовать увеличенный datastore изображений или измененный 4-D массив для обучения, прогноза и классификации. Можно использовать измененный трехмерный массив для прогноза и классификации только.

Метод, чтобы изменить размер изображений зависит от типа данных image.

im = imresize(im3d,inputSize);

im = imresize(im4d,inputSize);

auimds = augmentedImageDatastore(inputSize,im4d);

auimds = augmentedImageDatastore(inputSize,imds);

auimds = augmentedImageDatastore(inputSize,tbl);

По умолчанию augmentedImageDatastore повторно масштабирует изображения к желаемому размеру. Если вместо этого вы хотите обрезать изображения от центра или от случайных положений в изображении, можно использовать аргумент пары "имя-значение" 'OutputSizeMode'. Например, этот код показывает, как обрезать изображения в datastore изображений imds от центра каждого изображения:

auimds = augmentedImageDatastore(inputSize,imds,'OutputSizeMode','centercrop');

Увеличьте изображения для обучения

В дополнение к изменению размеров изображений augmentedImageDatastore позволяет вам предварительно обработать изображения с комбинацией вращения, отражения, сдвига и преобразований перевода. Схема показывает, как trainNetwork использует увеличенный datastore изображений, чтобы преобразовать данные тренировки в течение каждой эпохи. Для примера рабочего процесса смотрите, Обучат сеть с Увеличенными Изображениями.

Хранилища данных для усовершенствованной предварительной обработки изображений

Некоторые хранилища данных выполняют определенные операции предварительной обработки изображений, когда они читают пакет данных. Эти специализированные хранилища данных перечислены в таблице. Можно использовать эти хранилища данных в качестве источника обучения, валидации и наборов тестовых данных для применения глубокого обучения то использование Deep Learning Toolbox™. Все эти хранилища данных возвращают данные в формате, поддержанном trainNetwork.

Чтобы выполнить более общие и комплексные операции предварительной обработки изображений, чем предлагаемый специализированными хранилищами данных, можно использовать функции combine и transform. Функция transform создает измененную форму datastore, названного underlying datastore, путем преобразования данных, считанных базовым datastore согласно функции преобразования, которую вы задаете. Функция combine конкатенирует данные, считанные от нескольких хранилищ данных до ячейки таблицы 2D столбца или формата 2D ячейки столбца массивов, требуемого trainNetwork. Функция combine поддерживает четность между базовыми хранилищами данных.

Пользовательская функция преобразования должна принять данные в формате, возвращенном функцией read базового datastore. Для данных изображения формат зависит от свойства ReadSize базового ImageDatastore.